用 LSTM 对市级周交通事故量预测方法研究

来源：计算机技术与发展杂志2023年第02期北京时间：

作者：孙振华;';王转转;肖鑫

单位：1. 绍兴市交通建设有限公司,浙江 绍兴 321000;2. 长安大学 信息工程学院,陕西 西安 710064

摘要：市级交通事故量时间序列的波动是影响对其准确预测的关键因素。 提出的预测方法针对市级日交通事故量时间序列,采用长短期记忆神经网络( Long Short-Term Memory,LSTM)捕捉序列当前观测值与前序观测值的时序依赖关系,通过寻找最优窗口长度的 LSTM 市级日粒度交通事故量预测模型使拟合数据对训练集误差最小,对验证集的预测结果在转为周粒度时取得了较为准确的预测效果。 提出的预测方法解决了影响市级周交通事故量准确预测的问题,该方法发现基于交通事故量训练的用于捕获观测值时序依赖关系的 LSTM 模型对数据基本趋势准确性的表达远好于对数据波动性的表达。 为此,提出最优窗口算法来确定 LSTM 模型最优窗口长度,以确保对训练集基本趋势表达的准确性,再根据所发现的细粒度下的预测结果对交通事故量基本趋势的准确描述可转化为粗粒度下对波动性准确描述的事实,将日粒度预测结果转为周粒度后就取得了较为准确的预测效果。

关键词：交通事故;神经网络;长短期记忆;时间序列;最优窗口